高解像度、精度、フレームレートの3Dカメラを使用したフランジベースのハンドアイキャリブレーション

Point Cloudデータは、マシンビジョンシステムの品質に大きく依存する、物理世界の幾何学的詳細の3次元（3D）測定を提供します。このホワイトペーパーでは、高品質（1秒あたり1500万ポイント）、精度（最大0.150 mm）、および直接手と目のキャリブレーションと遷移エラー追跡のためのロボットフランジの静的および動的測定中のフレームレート（最大20 fps）の可能性を調査します。高品質のポイントクラウドデータが可用性であるため、3D測定のためにロボットフランジ上の標準化された幾何学的機能を活用できます。これは、手と目のキャリブレーションの問題に直接アクセスできます。その間、提案されたフランジベースのキャリブレーション方法を動的な設定でテストし、高フレームレートでポイントクラウドデータをキャプチャしました。提案された方法は、動的環境でも堅牢に機能し、動き中に多用途の手と目のキャリブレーションを可能にすることがわかりました。さらに、高品質のポイントクラウドデータをリアルタイムでキャプチャすると、3Dスキャナーを使用するための新しいドアが開き、動きの軌跡でも洗練された詳細の敏感な異常を検出できます。このキャリブレーション方法のコードとサンプルデータは、Github（https://github.com/ancorasir/flange_handeye_calibration）で提供されています。

Point cloud data provides three-dimensional (3D) measurement of the geometric details in the physical world, which relies heavily on the quality of the machine vision system. In this paper, we explore the potentials of a 3D scanner of high quality (15 million points per second), accuracy (up to 0.150 mm), and frame rate (up to 20 FPS) during static and dynamic measurements of the robot flange for direct hand-eye calibration and trajectory error tracking. With the availability of high-quality point cloud data, we can exploit the standardized geometric features on the robot flange for 3D measurement, which are directly accessible for hand-eye calibration problems. In the meanwhile, we tested the proposed flange-based calibration methods in a dynamic setting to capture point cloud data in a high frame rate. We found that our proposed method works robustly even in dynamic environments, enabling a versatile hand-eye calibration during motion. Furthermore, capturing high-quality point cloud data in real-time opens new doors for the use of 3D scanners, capable of detecting sensitive anomalies of refined details even in motion trajectories. Codes and sample data of this calibration method is provided at Github (https://github.com/ancorasir/flange_handeye_calibration).